39
PENGELASAN EMAIL MENGIKUT KATEGORI MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) MARIAH BINTI MOHD DAUD Laporan projek ini dikemukakan sebagai memenuhi sebahagian daripada syarat penganugerahan ijazah Sarjana Muda Sains Komputer Fakulti Sains Komputer Dan Sistem Maklumat Universiti Teknologi Malaysia OKTOBER, 2004

PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

Embed Size (px)

Citation preview

Page 1: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

PENGELASAN EMAIL MENGIKUT KATEGORI MENGGUNAKAN

SUPPORT VECTOR MACHINE (SVM)

MARIAH BINTI MOHD DAUD

Laporan projek ini dikemukakan

sebagai memenuhi sebahagian daripada syarat

penganugerahan ijazah Sarjana Muda Sains Komputer

Fakulti Sains Komputer Dan Sistem Maklumat

Universiti Teknologi Malaysia

OKTOBER, 2004

Page 2: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

iv

PENGHARGAAN

“ Dengan Nama Allah Yang Maha Pemurah Lagi Maha Mengasihani”

Syukur alhamdulillah, setinggi-tinggi pujian dan kesyukuran saya panjatkan ke

hadrat Ilahi kerana dengan izin dan rahmatNya, dapat juga saya menyiapkan projek

sarjana muda ini dengan sempurna.

Pertama sekali saya ingin merakamkan jutaan terima kasih kepada penyelia

pertama saya iaitu Encik Ahmad Fariz bin Ali dan penyelia kedua saya iaitu Dr Ali bin

Selamat yang telah memberikan segala tunjuk ajar dan bimbingan sepanjang proses

menyiapkan projek sarjana muda ini. Tidak lupa juga kepada En Norizam Bin Katmon

yang memberi kerjasama untuk menyiapkan projek ini. Sesungguhnya segala idea dan

dorongan yang diberikan amat berguna dan dihargai.

Jutaan terima kasih buat kedua ibu bapa dan keluarga yang sentiasa memberikan

sokongan dan bantuan. Semoga kasih sayang yang terjalin akan bertambah erat.

Penghargaan juga ditujukan kepada rakan-rakan seperjuangan yang telah banyak

membantu memberikan semangat dan dorongan sehingga berjaya menyiapkan projek

ini. Semoga ukhuwah yang terjalin antara kita berkekalan selamanya.

Akhir sekali, penghargaan juga buat semua pihak yang terlibat secara langsung

mahupun tidak langsung di dalam menjayakan projek ini. Hanya Allah S.W.T. yang

dapat membalas jasa kalian. Wallahua’lam.

Page 3: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

v

ABSTRAK

Kajian tentang bidang pengkategorian teks melibatkan proses pengelasan

dokumen teks ke dalam beberapa kategori yang telah ditakrifkan oleh pengguna.

Objektif bagi projek ini ialah untuk membuat kajian proses pengelasan email mengikut

kategori dengan menggunakan perisian Support Vector Machine (SVM). Antara proses

yang digunakan ialah membaca data input email dari bahagian subjek dan body,

pengekstrakan ciri, pemilihan ciri dan mengelaskan data menggunakan SVM. Proses

pengekstrakan ciri melibatkan kaedah word stopping dan word stemming di mana dapat

mengurangkan bilangan dimensi ciri. Proses pemilihan ciri melibatkan kaedah TFIDF.

Keberkesanan pengelasan diukur menggunakan kriteria precision dan recall. Keputusan

yang terhasil daripada analisis menunjukkan di mana Support Vector Machine sangat

efektif dalam proses pengelasan email.

Page 4: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

vi

ABSTRACT

Study on text categorization field contains classification process of text

documents into a fixed number of pre-defined categories by user. The objective of this

project is to make research on classifying email process based on category using Support

Vector Machine software. Among processes will be used are read input data email from

subject and body, feature extraction, feature selection and classify data using Support

Vector Machine (SVM). Feature extraction process involved word stopping and word

stemming methods that can reduce the number of dimension of features. Features

selection process involved TFIDF method. Effective of classification process has been

measured using precision and recall criteria. Result produced from analysis showed that

Support Vector Machine is very effective in email classifying process.

Page 5: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

vii

KANDUNGAN

BAB PERKARA HALAMAN

JUDUL i

PENGAKUAN ii

DEDIKASI iii

PENGHARGAAN iv

ABSTRAK v

ABSTRACT vi

KANDUNGAN vii

SENARAI RAJAH xiii

SENARAI JADUAL xv

SENARAI LAMPIRAN xvi

SENARAI ISTILAH xvii

SENARAI SIMBOL xviii

SENARAI RUMUS xix

SENARAI SINGKATAN xx

1 PENGENALAN

1.1 Pendahuluan 1

1.2 Penyataan Masalah 3

1.3 Matlamat 4

Page 6: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

viii

1.4 Objektif 4

1.5 Skop 5

1.6 Penyelesaian Masalah 6

1.7 Kekangan dan Had Limitasi 7

1.8 Justifikasi dan Kepentingan 7

1.9 Kesimpulan 8

2 KAJIAN LITERATUR

2.1 Pengenalan 9

2.2 Pengelasan 10

2.2.1 Pengelasan secara manual 10

2.2.2 Pengelasan secara automatik 10

2.3 Pengenalan Kategori Teks 11

2.3.l Manual 12

2.3.2 Berdasarkan Aturan (Rule-Based) 13

2.3.2 Pembelajaran Melalui Seliaan (Supervised Learnig) 14

2.3.4 Pembelajaran Tanpa Seliaan (Unsupervised Learning) 14

2.3.5 Perbandingan Pendekatan 16

2.4 Penapisan Email 17

2.5 Konsep Ciri (Feature) 19

2.6 Kaedah TFI 22 DF

2.7 Pengelasan Teks Email 23

2.8 Kajian Ke atas Teknik Support Vector Machine(SVM) 24

2.9 Teknik SVM 25

2.9.1 Pengelas Linear 26

2.9.2 Pengelas Tidak Linear (non-linear) 29

2.9.3 Jenis Kernel Pengelas Linear 32

2.10 Ciri-ciri SVM 33

Page 7: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

ix

2.11 Kelebihan dan kekurangan SVM 35

2.12 Kajian Perisian SVM 36

2.13 Teknik Lain Bagi Pengelasan Email 37

2.13.1 Rangkaian Neural (Neural Network) 37

2.13.2 k-Nearest Neighbor (k-NN) 39

2.14 Perbandingan Teknik-teknik Pengelasan 41

2.15 Kajian Ke Atas Projek Pengelasan Email Terdahulu 43

2.16 Kesimpulan 44

3 METODOLOGI KAJIAN

3.1 Pengenalan 46

3.2 Analisa Keperluan 46

3.2.1 Keperluan Perisian 47

3.2.2 Bahasa Pengaturcaraan 47

3.2.3 Keperluan Perkakasan Minima 47

3.2.4 Justifikasi Perkakasan 48

3.3 Proses Pengelasan Email 49

3.4 Algoritma Pengelasan Data Email 51

3.5 Pemprosesan Dokumen Email 53

3.6 Pengekstrakan Ciri (Feature Extraction) 53

3.7 Pemilihan Ciri (Feature Selection) 56

3.8 Perwakilan Kandungan Email (cirri vector) 56

3.9 Proses Pengumpulan Data 57

3.10 Format Input Dalam Bentuk tfidf 57

3.11 Format Fail Melatih dan Menguji 58

3.12 Proses Melatih SVM 59

3.13 Proses Menguji SVM 60

3.14 Kriteria Penilaian Keberkesanan (Relevance Evaluation) 60

Page 8: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

x

3.15 Kekangan dan Limitasi 62

3.16 Kesimpulan 62

4 IMPLEMENTASI

4.1 Pengenalan 63

4.2 Aliran Kerja Proses Pengelasan 64

4.2.1 Penerangan Aliran Proses Pengelasan 65

4.3 Proses Capaian Email 65

4.4 Proses Membaca Input 67

4.5 Proses Token Perkataan 68

4.6 Proses Stopping 69

4.7 Proses Stemming 70

4.8 Proses Mendapatkan Nilai tfidf Sebagai Input SVM 73

4.9 Format Input Bentuk tfidf 76

4.10 Pengelasan Menggunakan Perisian SVM 77

4.11 Penilaian Keberkesanan 78

4.12 Kesimpulan 79

5 HASIL KAJIAN, PENGUJIAN DAN PENCAPAIAN

5.1 Pengenalan 80

5.2 Pengelasan Email 80

5.3 Input Mesej Email Dalam Platform Microsoft Outlook 81

5.4 Proses Pertukaran Format Mesej Email 82

5.5 Input Dan Output Selepas Proses Token 83

5.6 Proses Stopping 84

Page 9: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

xi

5.7 Proses Stemming 85

5.8 Proses Mencari Sebagai Input SVM 86 tfidf

5.8.1 Term Frequency, tf 86

5.8.2 Document Frequency, df 88

5.8.3 Inverse Document Frequency, idf 88

5.8.4 Term Frequency * Inverse Document Frequency 88

5.9 Pengelasan Menggunakan Perisian SVM 91

5.10 Penilaian Keberkesanan (Precision dan Recall) 94

5.11 Hasil Pengujian Pengelasan Menggunakan Perisian SVM 94

5.11.1 Precision (Keberkesanan) 95

5.11.2 Recall 97

5.11.3 Accuracy (Ketepatan) 98

5.11.4 Kadar Ralat (Error Rate) 100

5.11.5 Purata Nilai Precision dan Recall Setiap Kategori 101

5.11.5.1 Kategori Design 102

5.11.5.2 Kategori Friend 103

5.11.5.3 Kategori Love 104

5.11.5.4 Kategori Web 105

5.11.5.5 Kategori Wanita lelaki 106

5.11.5.6 Kategori Cogramm 107

5.11.5.7 Kategori Job 108

5.12 Perbincangan Keberkesanan Perisian Yang Dipilih 109

5.13 Kesimpulan 110

6 PERBINCANGAN DAN KESIMPULAN

6.1 Pengenalan 111

6.2 Pencapaian 111

6.3 Analisa Input 112

Page 10: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

xii

6.4 Analisa Pengekstrakan Ciri (Stopping dan Stemming) 113

6.5 Analisa Perisian Yang Digunakan 114

6.6 Masalah Yang Dihadapi 114

6.7 Cadangan Pembaikan 115

6.8 Kesimpulan 116

RUJUKAN 117

Lampiran A - F 123 - 141

Page 11: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

BAB 1

PENGENALAN

1.1 Pendahuluan

Pada masa kini, internet dan komputer sangat penting dalam kehidupan.

Pelbagai cara digunakan untuk berkomunikasi dengan orang perseorangan. Pada masa

dahulu, setiap orang berhubung antara satu sama lain dengan hanya menghantar surat

melalui pos. Proses ini memakan masa yang agak lama untuk menghantar sesuatu mesej

kepada rakan kita. Setelah telefon diperkenalkan, ramai orang menggunakan telefon

untuk berhubung antara satu sama lain.

Dengan ini, pembangun laman web memikirkan cara bagaimana untuk

menyelesaikan masalah yang berlaku sekiranya ingin berhubung dengan orang yang

jauh. Satu pendekatan lain digunakan iaitu menggunakan elektronik mail (e-mail) untuk

berhubung antara satu sama lain. Pendekatan ini sangat mudah, menjimatkan kos dan

masa. Walaupun pendekatan baru ini digunakan pada masa kini, perkhimatan surat

melalui pos masih mempunyai kepentingannya [31].

Page 12: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

2

Aplikasi e-mail telah berkembang dengan begitu pesat sekali. Bilangan

pengguna yang ramai telah menjadikan aplikasi ini semakin maju. Setiap pengguna

laman web boleh mempunyai akaun email sendiri. Aplikasi email memberi banyak

faedah kepada pengguna untuk memudahkan perhubungan dan komunikasi antara setiap

pengguna melalui web. Sekiranya pengguna ingin mempunyai akaun email, pengguna

mesti mendaftar terlebih dahulu di mana-mana laman web yang menyediakan

perkhidmatan email contohnya yahoo, hotmail, lycos dan banyak lagi.

Akaun pengguna (penerima email) akan mengandungi semua maklumat email

penghantar yang menghantar email kepada penerima tersebut. Kesemua maklumat

email yang diterima akan dimasukkan ke dalam inbox iaitu satu folder yang

menyediakan fungsi untuk menyimpan semua maklumat email yang sampai ke dalam

akaun email pengguna.

Sekiranya terlalu banyak email yang diterima telah diletakkan dalam inbox,

pengguna keliru untuk membaca email mana terlebih dahulu. Pengguna tidak sempat

untuk mengemaskini akaun sekiranya terlalu banyak menerima email dalam sehari.

Maka, pendekatan pengelasan kategori email dikaji untuk memudahkan pengguna

membaca email dengan mudah mengikut kategori yang telah ditetapkan. Pengguna akan

create folder secara manual dan maklumat email yang berkaitan dengan tajuk folder

tersebut akan terus dimasukkan dalam folder tersebut secara automatik. Sekiranya

maklumat email yang sampai tidak tersenarai dalam kategori yang ada, maklumat email

tersebut akan dikategorikan dalam inbox sahaja.

Pendekatan pengelasan kategori email ini dapat membantu pengguna email untuk

membaca email dengan lebih mudah. Selalunya, pengguna akan mengkelaskan akaun

email mengikut nama penghantar email, tajuk email dan sebagainya. Contoh bagi

Page 13: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

3

atribut pensyarah, email yang sering dikelaskan oleh pensyarah ialah mengikut kategori

iaitu ‘pelajar’, ‘pejabat am, subjek, pensyarah lain dan sebagainya.

1.2 Penyataan Masalah

Dalam sehari, pengguna email menerima begitu banyak email. Semua email

tersebut akan dimasukkan terus ke dalam inbox pengguna email. Jadi, ini akan

menjadikan kandungan dalam inbox menjadi tidak tersusun dan pengguna berasa keliru

untuk melihat manakah email yang perlu dibaca terlebih dahulu. Pengguna juga susah

untuk mengenal pasti maklumat email tersebut berada dalam kategori mana.

Masalah lain dalam email ialah too much bermaksud terlalu banyak email yang

diterima dalam inbox. Jadi, bagaimana kita hendak meluangkan masa untuk membaca

email yang begitu banyak dengan pantas. Mungkin kita perlu meluangkan lebih banyak

masa untuk membaca email tersebut. Sejak meningkatnya kefungsian berkomunikasi

melalui email, masa untuk kita menjawab email juga perlu diambil kira [17].

Bagi masalah email yang dihadapi sekarang, penyelesaiannya ialah pengelasan

email mengikut kategori. Selama ini, email yang diterima setiap hari hanya dimasukkan

ke dalam inbox. Sekiranya pengguna telah sedia ada folder mengikut kategori tertentu,

maklumat email yang sampai tetap dihantar ke dalam inbox tanpa mengikut kategori.

Jadi, sekiranya pengguna hendak mengemaskinikan email mengikut kategori, pengguna

akan mengemaskinikan maklumat email tersebut secara manual.

Page 14: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

4

1.3 Matlamat

Matlamat utama projek ini ialah untuk membuat kajian proses pengelasan email

menggunakan perisian Support Vector Machine (SVM) dan seterusnya menganalisa

keberkesanan perisian tersebut.

1.4 Objektif

Kajian yang dilakukan ini adalah untuk memenuhi objektif-objektif berikut:-

i) Membuat kajian proses pengelasan email mengikut kategori menggunakan

perisian Support Vector Machine

ii) Mengumpul data email sebenar untuk melaksanakan proses latihan (training)

bagi menguji keberkesanan perisian Support Vector Machine(SVM) dalam

proses menyelesaikan masalah pengelasan

iii) Proses mendapatkan nilai tfidf dilakukan untuk dijadikan input bagi perisian

Support Vector Machine

iv) Keberkesanan teknik pengelasan email menggunakan Support Vector Machine

(SVM) dinilai berdasarkan pendekatan precision dan recall

Page 15: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

5

1.5 Skop Projek

Antara skop projek ialah :-

i) Perisian ini akan melaksanakan tugas menerima input (email), menganalisa dan

mengkelaskan output (email) kepada kategori email yang telah ditetapkan

ii) Pengelasan email dibuat berdasarkan kepada bahagian subject dan body yang

terdapat dalam kandungan email

iii) Pengelasan email dilakukan menggunakan perisian Support Vector Machine

(SVM) dari SVMlight

iv) Aplikasi pengelasan akan menggunakan Microsoft Outlook sebagai platform

untuk proses input data email

v) Kelas atau kategori pengelasan yang dilakukan ialah kategori cogramm, wanita

lelaki, job, web, design, friend dan love

vi) Jumlah email yang digunakan semasa proses training (pembelajaran) adalah

sebanyak 200 data email dan semasa proses testing (pengujian), sebanyak 100

data email

vii) Proses pengelasan hanya dilakukan ke atas email yang mengandungi teks sahaja

viii) Proses stemming melibatkan bahasa melayu dan bahasa inggeris

Page 16: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

6

1.6 Penyelesaian Masalah

Projek ini dijalankan bertujuan untuk menyelesaikan masalah pengelasan

kategori email. Kandungan mesej baru yang terlalu banyak dalam senarai email amat

menyusahkan pengguna. Pengguna keliru untuk menilai manakah email yang lebih

berkepentingan dan perlu dibaca terlebih dahulu. Projek ini dijalankan untuk melihat

sejauh mana teknik pengelasan yang dipilih dapat membantu menguruskan email dengan

lebih efisyen iaitu melalui proses pengelasan email.

Rajah 1.1 : Gambaran kasar pengelasan kategori email

Contoh gambaran penyelesaian dapat dilihat seperti di atas tentang bagaimana

penyelesaian masalah dapat dibuat. Pertama sekali email yang ada dalam folder inbox

adalah email yang belum dikategorikan. Kemudian, email-email tersebut akan melalui

proses pengelasan supaya email-email tersebut akan dikategorikan mengikut setiap

kategori yang telah ditetapkan. Contoh kategori email yang dibuat oleh pensyarah ialah

subjek, pejabat am, pelajar dan sebagainya.

Beberapa email yang belum dikategorikan

Proses pengelasan

Teknik SVM Pengelasan email mengikut kategori

Page 17: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

7

1.7 Kekangan dan Had Limitasi

Antara kekangan dan had limitasi semasa proses kajian dilakukan ialah :-

i. Bilangan input data yang akan diuji agak terbatas.

ii. Perisian SVMlight hanya digunakan untuk pengujian proses pengelasan.

iii. Kategori email ditakrif terlebih dahulu.

iv. Setiap input email yang digunakan perlu ditakrif terlebih dahulu dalam program

yang digunakan untuk mendapatkan nilai tfidf

v. Ketepatan untuk mengkategorikan email kemungkinan tidak mencapai 100%

1.8 Justifikasi dan Kepentingan

Kelebihan setelah melakukan kajian proses pengelasan email :-

i) Dapat mengelaskan email mengikut kategori yang ditetapkan.

ii) Projek ini dijalankan untuk mengkaji bagaimana Support Vector Machine

(SVM) berdasarkan perisian SVMlight boleh digunakan untuk menyelesaikan

masalah pengelasan email.

iii) Pengelasan dilakukan ke atas kandungan email di dalam bahasa melayu dan

bahasa inggeris

Page 18: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

8

1.9 Kesimpulan

Pada masa kini, ramai pengguna menggunakan email untuk berkomunikasi dan

menghantar mesej antara satu sama lain. Proses pengelasan email memudahkan

pengguna membaca maklumat email yang sampai ke dalam akaun email. Kajian yang

dilakukan ini akan membantu pembangun lain untuk membangunkan satu prototaip yang

dapat melakukan kerja pengelasan email mengikut kategori yang ditetapkan. Adalah

diharapkan kajian pengelasan email ini dapat dijadikan permulaan kepada penghasilan

pakej yang lebih mantap dan meluas.

Page 19: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

PENGELASAN EMAIL MENGIKUT KATEGORI MENGGUNAKAN

SUPPORT VECTOR MACHINE (SVM)

MARIAH BINTI MOHD DAUD

Laporan projek ini dikemukakan

sebagai memenuhi sebahagian daripada syarat

penganugerahan ijazah Sarjana Muda Sains Komputer

Fakulti Sains Komputer Dan Sistem Maklumat

Universiti Teknologi Malaysia

OKTOBER, 2004

Page 20: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL
Page 21: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

ii

“Saya akui karya ini adalah hasil kerja saya sendiri kecuali nukilan dan ringkasan

yang tiap-tiap satunya telah saya jelaskan sumbernya”.

Tandatangan : ……

Nama Penulis : MA

Tarikh : 18 O

………………………….….

RIAH BINTI MOHD DAUD

KTOBER 2004

Page 22: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL
Page 23: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

iv

PENGHARGAAN

“ Dengan Nama Allah Yang Maha Pemurah Lagi Maha Mengasihani”

Syukur alhamdulillah, setinggi-tinggi pujian dan kesyukuran saya panjatkan ke

hadrat Ilahi kerana dengan izin dan rahmatNya, dapat juga saya menyiapkan projek

sarjana muda ini dengan sempurna.

Pertama sekali saya ingin merakamkan jutaan terima kasih kepada penyelia

pertama saya iaitu Encik Ahmad Fariz bin Ali dan penyelia kedua saya iaitu Dr Ali bin

Selamat yang telah memberikan segala tunjuk ajar dan bimbingan sepanjang proses

menyiapkan projek sarjana muda ini. Tidak lupa juga kepada En Norizam Bin Katmon

yang memberi kerjasama untuk menyiapkan projek ini. Sesungguhnya segala idea dan

dorongan yang diberikan amat berguna dan dihargai.

Jutaan terima kasih buat kedua ibu bapa dan keluarga yang sentiasa memberikan

sokongan dan bantuan. Semoga kasih sayang yang terjalin akan bertambah erat.

Penghargaan juga ditujukan kepada rakan-rakan seperjuangan yang telah banyak

membantu memberikan semangat dan dorongan sehingga berjaya menyiapkan projek

ini. Semoga ukhuwah yang terjalin antara kita berkekalan selamanya.

Akhir sekali, penghargaan juga buat semua pihak yang terlibat secara langsung

mahupun tidak langsung di dalam menjayakan projek ini. Hanya Allah S.W.T. yang

dapat membalas jasa kalian. Wallahua’lam.

Page 24: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

v

ABSTRAK

Kajian tentang bidang pengkategorian teks melibatkan proses pengelasan

dokumen teks ke dalam beberapa kategori yang telah ditakrifkan oleh pengguna.

Objektif bagi projek ini ialah untuk membuat kajian proses pengelasan email mengikut

kategori dengan menggunakan perisian Support Vector Machine (SVM). Antara proses

yang digunakan ialah membaca data input email dari bahagian subjek dan body,

pengekstrakan ciri, pemilihan ciri dan mengelaskan data menggunakan SVM. Proses

pengekstrakan ciri melibatkan kaedah word stopping dan word stemming di mana dapat

mengurangkan bilangan dimensi ciri. Proses pemilihan ciri melibatkan kaedah TFIDF.

Keberkesanan pengelasan diukur menggunakan kriteria precision dan recall. Keputusan

yang terhasil daripada analisis menunjukkan di mana Support Vector Machine sangat

efektif dalam proses pengelasan email.

Page 25: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

vi

ABSTRACT

Study on text categorization field contains classification process of text

documents into a fixed number of pre-defined categories by user. The objective of this

project is to make research on classifying email process based on category using Support

Vector Machine software. Among processes will be used are read input data email from

subject and body, feature extraction, feature selection and classify data using Support

Vector Machine (SVM). Feature extraction process involved word stopping and word

stemming methods that can reduce the number of dimension of features. Features

selection process involved TFIDF method. Effective of classification process has been

measured using precision and recall criteria. Result produced from analysis showed that

Support Vector Machine is very effective in email classifying process.

Page 26: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

vii

KANDUNGAN

BAB PERKARA HALAMAN

JUDUL i

PENGAKUAN ii

DEDIKASI iii

PENGHARGAAN iv

ABSTRAK v

ABSTRACT vi

KANDUNGAN vii

SENARAI RAJAH xiii

SENARAI JADUAL xv

SENARAI LAMPIRAN xvi

SENARAI ISTILAH xvii

SENARAI SIMBOL xviii

SENARAI RUMUS xix

SENARAI SINGKATAN xx

1 PENGENALAN

1.1 Pendahuluan 1

1.2 Penyataan Masalah 3

1.3 Matlamat 4

Page 27: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

viii

1.4 Objektif 4

1.5 Skop 5

1.6 Penyelesaian Masalah 6

1.7 Kekangan dan Had Limitasi 7

1.8 Justifikasi dan Kepentingan 7

1.9 Kesimpulan 8

2 KAJIAN LITERATUR

2.1 Pengenalan 9

2.2 Pengelasan 10

2.2.1 Pengelasan secara manual 10

2.2.2 Pengelasan secara automatik 10

2.3 Pengenalan Kategori Teks 11

2.3.l Manual 12

2.3.2 Berdasarkan Aturan (Rule-Based) 13

2.3.2 Pembelajaran Melalui Seliaan (Supervised Learnig) 14

2.3.4 Pembelajaran Tanpa Seliaan (Unsupervised Learning) 14

2.3.5 Perbandingan Pendekatan 16

2.4 Penapisan Email 17

2.5 Konsep Ciri (Feature) 19

2.6 Kaedah TFI 22 DF

2.7 Pengelasan Teks Email 23

2.8 Kajian Ke atas Teknik Support Vector Machine(SVM) 24

2.9 Teknik SVM 25

2.9.1 Pengelas Linear 26

2.9.2 Pengelas Tidak Linear (non-linear) 29

2.9.3 Jenis Kernel Pengelas Linear 32

2.10 Ciri-ciri SVM 33

Page 28: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

ix

2.11 Kelebihan dan kekurangan SVM 35

2.12 Kajian Perisian SVM 36

2.13 Teknik Lain Bagi Pengelasan Email 37

2.13.1 Rangkaian Neural (Neural Network) 37

2.13.2 k-Nearest Neighbor (k-NN) 39

2.14 Perbandingan Teknik-teknik Pengelasan 41

2.15 Kajian Ke Atas Projek Pengelasan Email Terdahulu 43

2.16 Kesimpulan 44

3 METODOLOGI KAJIAN

3.1 Pengenalan 46

3.2 Analisa Keperluan 46

3.2.1 Keperluan Perisian 47

3.2.2 Bahasa Pengaturcaraan 47

3.2.3 Keperluan Perkakasan Minima 47

3.2.4 Justifikasi Perkakasan 48

3.3 Proses Pengelasan Email 49

3.4 Algoritma Pengelasan Data Email 51

3.5 Pemprosesan Dokumen Email 53

3.6 Pengekstrakan Ciri (Feature Extraction) 53

3.7 Pemilihan Ciri (Feature Selection) 56

3.8 Perwakilan Kandungan Email (cirri vector) 56

3.9 Proses Pengumpulan Data 57

3.10 Format Input Dalam Bentuk tfidf 57

3.11 Format Fail Melatih dan Menguji 58

3.12 Proses Melatih SVM 59

3.13 Proses Menguji SVM 60

3.14 Kriteria Penilaian Keberkesanan (Relevance Evaluation) 60

Page 29: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

x

3.15 Kekangan dan Limitasi 62

3.16 Kesimpulan 62

4 IMPLEMENTASI

4.1 Pengenalan 63

4.2 Aliran Kerja Proses Pengelasan 64

4.2.1 Penerangan Aliran Proses Pengelasan 65

4.3 Proses Capaian Email 65

4.4 Proses Membaca Input 67

4.5 Proses Token Perkataan 68

4.6 Proses Stopping 69

4.7 Proses Stemming 70

4.8 Proses Mendapatkan Nilai tfidf Sebagai Input SVM 73

4.9 Format Input Bentuk tfidf 76

4.10 Pengelasan Menggunakan Perisian SVM 77

4.11 Penilaian Keberkesanan 78

4.12 Kesimpulan 79

5 HASIL KAJIAN, PENGUJIAN DAN PENCAPAIAN

5.1 Pengenalan 80

5.2 Pengelasan Email 80

5.3 Input Mesej Email Dalam Platform Microsoft Outlook 81

5.4 Proses Pertukaran Format Mesej Email 82

5.5 Input Dan Output Selepas Proses Token 83

5.6 Proses Stopping 84

Page 30: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

xi

5.7 Proses Stemming 85

5.8 Proses Mencari Sebagai Input SVM 86 tfidf

5.8.1 Term Frequency, tf 86

5.8.2 Document Frequency, df 88

5.8.3 Inverse Document Frequency, idf 88

5.8.4 Term Frequency * Inverse Document Frequency 88

5.9 Pengelasan Menggunakan Perisian SVM 91

5.10 Penilaian Keberkesanan (Precision dan Recall) 94

5.11 Hasil Pengujian Pengelasan Menggunakan Perisian SVM 94

5.11.1 Precision (Keberkesanan) 95

5.11.2 Recall 97

5.11.3 Accuracy (Ketepatan) 98

5.11.4 Kadar Ralat (Error Rate) 100

5.11.5 Purata Nilai Precision dan Recall Setiap Kategori 101

5.11.5.1 Kategori Design 102

5.11.5.2 Kategori Friend 103

5.11.5.3 Kategori Love 104

5.11.5.4 Kategori Web 105

5.11.5.5 Kategori Wanita lelaki 106

5.11.5.6 Kategori Cogramm 107

5.11.5.7 Kategori Job 108

5.12 Perbincangan Keberkesanan Perisian Yang Dipilih 109

5.13 Kesimpulan 110

6 PERBINCANGAN DAN KESIMPULAN

6.1 Pengenalan 111

6.2 Pencapaian 111

6.3 Analisa Input 112

Page 31: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

xii

6.4 Analisa Pengekstrakan Ciri (Stopping dan Stemming) 113

6.5 Analisa Perisian Yang Digunakan 114

6.6 Masalah Yang Dihadapi 114

6.7 Cadangan Pembaikan 115

6.8 Kesimpulan 116

RUJUKAN 117

Lampiran A - F 123 - 141

Page 32: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

BAB 1

PENGENALAN

1.1 Pendahuluan

Pada masa kini, internet dan komputer sangat penting dalam kehidupan.

Pelbagai cara digunakan untuk berkomunikasi dengan orang perseorangan. Pada masa

dahulu, setiap orang berhubung antara satu sama lain dengan hanya menghantar surat

melalui pos. Proses ini memakan masa yang agak lama untuk menghantar sesuatu mesej

kepada rakan kita. Setelah telefon diperkenalkan, ramai orang menggunakan telefon

untuk berhubung antara satu sama lain.

Dengan ini, pembangun laman web memikirkan cara bagaimana untuk

menyelesaikan masalah yang berlaku sekiranya ingin berhubung dengan orang yang

jauh. Satu pendekatan lain digunakan iaitu menggunakan elektronik mail (e-mail) untuk

berhubung antara satu sama lain. Pendekatan ini sangat mudah, menjimatkan kos dan

masa. Walaupun pendekatan baru ini digunakan pada masa kini, perkhimatan surat

melalui pos masih mempunyai kepentingannya [31].

Page 33: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

2

Aplikasi e-mail telah berkembang dengan begitu pesat sekali. Bilangan

pengguna yang ramai telah menjadikan aplikasi ini semakin maju. Setiap pengguna

laman web boleh mempunyai akaun email sendiri. Aplikasi email memberi banyak

faedah kepada pengguna untuk memudahkan perhubungan dan komunikasi antara setiap

pengguna melalui web. Sekiranya pengguna ingin mempunyai akaun email, pengguna

mesti mendaftar terlebih dahulu di mana-mana laman web yang menyediakan

perkhidmatan email contohnya yahoo, hotmail, lycos dan banyak lagi.

Akaun pengguna (penerima email) akan mengandungi semua maklumat email

penghantar yang menghantar email kepada penerima tersebut. Kesemua maklumat

email yang diterima akan dimasukkan ke dalam inbox iaitu satu folder yang

menyediakan fungsi untuk menyimpan semua maklumat email yang sampai ke dalam

akaun email pengguna.

Sekiranya terlalu banyak email yang diterima telah diletakkan dalam inbox,

pengguna keliru untuk membaca email mana terlebih dahulu. Pengguna tidak sempat

untuk mengemaskini akaun sekiranya terlalu banyak menerima email dalam sehari.

Maka, pendekatan pengelasan kategori email dikaji untuk memudahkan pengguna

membaca email dengan mudah mengikut kategori yang telah ditetapkan. Pengguna akan

create folder secara manual dan maklumat email yang berkaitan dengan tajuk folder

tersebut akan terus dimasukkan dalam folder tersebut secara automatik. Sekiranya

maklumat email yang sampai tidak tersenarai dalam kategori yang ada, maklumat email

tersebut akan dikategorikan dalam inbox sahaja.

Pendekatan pengelasan kategori email ini dapat membantu pengguna email untuk

membaca email dengan lebih mudah. Selalunya, pengguna akan mengkelaskan akaun

email mengikut nama penghantar email, tajuk email dan sebagainya. Contoh bagi

Page 34: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

3

atribut pensyarah, email yang sering dikelaskan oleh pensyarah ialah mengikut kategori

iaitu ‘pelajar’, ‘pejabat am, subjek, pensyarah lain dan sebagainya.

1.2 Penyataan Masalah

Dalam sehari, pengguna email menerima begitu banyak email. Semua email

tersebut akan dimasukkan terus ke dalam inbox pengguna email. Jadi, ini akan

menjadikan kandungan dalam inbox menjadi tidak tersusun dan pengguna berasa keliru

untuk melihat manakah email yang perlu dibaca terlebih dahulu. Pengguna juga susah

untuk mengenal pasti maklumat email tersebut berada dalam kategori mana.

Masalah lain dalam email ialah too much bermaksud terlalu banyak email yang

diterima dalam inbox. Jadi, bagaimana kita hendak meluangkan masa untuk membaca

email yang begitu banyak dengan pantas. Mungkin kita perlu meluangkan lebih banyak

masa untuk membaca email tersebut. Sejak meningkatnya kefungsian berkomunikasi

melalui email, masa untuk kita menjawab email juga perlu diambil kira [17].

Bagi masalah email yang dihadapi sekarang, penyelesaiannya ialah pengelasan

email mengikut kategori. Selama ini, email yang diterima setiap hari hanya dimasukkan

ke dalam inbox. Sekiranya pengguna telah sedia ada folder mengikut kategori tertentu,

maklumat email yang sampai tetap dihantar ke dalam inbox tanpa mengikut kategori.

Jadi, sekiranya pengguna hendak mengemaskinikan email mengikut kategori, pengguna

akan mengemaskinikan maklumat email tersebut secara manual.

Page 35: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

4

1.3 Matlamat

Matlamat utama projek ini ialah untuk membuat kajian proses pengelasan email

menggunakan perisian Support Vector Machine (SVM) dan seterusnya menganalisa

keberkesanan perisian tersebut.

1.4 Objektif

Kajian yang dilakukan ini adalah untuk memenuhi objektif-objektif berikut:-

i) Membuat kajian proses pengelasan email mengikut kategori menggunakan

perisian Support Vector Machine

ii) Mengumpul data email sebenar untuk melaksanakan proses latihan (training)

bagi menguji keberkesanan perisian Support Vector Machine(SVM) dalam

proses menyelesaikan masalah pengelasan

iii) Proses mendapatkan nilai tfidf dilakukan untuk dijadikan input bagi perisian

Support Vector Machine

iv) Keberkesanan teknik pengelasan email menggunakan Support Vector Machine

(SVM) dinilai berdasarkan pendekatan precision dan recall

Page 36: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

5

1.5 Skop Projek

Antara skop projek ialah :-

i) Perisian ini akan melaksanakan tugas menerima input (email), menganalisa dan

mengkelaskan output (email) kepada kategori email yang telah ditetapkan

ii) Pengelasan email dibuat berdasarkan kepada bahagian subject dan body yang

terdapat dalam kandungan email

iii) Pengelasan email dilakukan menggunakan perisian Support Vector Machine

(SVM) dari SVMlight

iv) Aplikasi pengelasan akan menggunakan Microsoft Outlook sebagai platform

untuk proses input data email

v) Kelas atau kategori pengelasan yang dilakukan ialah kategori cogramm, wanita

lelaki, job, web, design, friend dan love

vi) Jumlah email yang digunakan semasa proses training (pembelajaran) adalah

sebanyak 200 data email dan semasa proses testing (pengujian), sebanyak 100

data email

vii) Proses pengelasan hanya dilakukan ke atas email yang mengandungi teks sahaja

viii) Proses stemming melibatkan bahasa melayu dan bahasa inggeris

Page 37: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

6

1.6 Penyelesaian Masalah

Projek ini dijalankan bertujuan untuk menyelesaikan masalah pengelasan

kategori email. Kandungan mesej baru yang terlalu banyak dalam senarai email amat

menyusahkan pengguna. Pengguna keliru untuk menilai manakah email yang lebih

berkepentingan dan perlu dibaca terlebih dahulu. Projek ini dijalankan untuk melihat

sejauh mana teknik pengelasan yang dipilih dapat membantu menguruskan email dengan

lebih efisyen iaitu melalui proses pengelasan email.

Co

penyelesa

adalah em

proses pen

kategori y

subjek, pe

Proses pengelasan

Beberapa emailyang belum dikategorikan

Rajah 1.1 : Gambaran kasar pengelasa

ntoh gambaran penyelesaian dapat dilihat sepert

ian masalah dapat dibuat. Pertama sekali email y

ail yang belum dikategorikan. Kemudian, email

gelasan supaya email-email tersebut akan dikate

ang telah ditetapkan. Contoh kategori email yan

jabat am, pelajar dan sebagainya.

Teknik SVM

Pengelasan email mengikut kategori

n kategori email

i di atas tentang bagaimana

ang ada dalam folder inbox

-email tersebut akan melalui

gorikan mengikut setiap

g dibuat oleh pensyarah ialah

Page 38: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

7

1.7 Kekangan dan Had Limitasi

Antara kekangan dan had limitasi semasa proses kajian dilakukan ialah :-

i. Bilangan input data yang akan diuji agak terbatas.

ii. Perisian SVMlight hanya digunakan untuk pengujian proses pengelasan.

iii. Kategori email ditakrif terlebih dahulu.

iv. Setiap input email yang digunakan perlu ditakrif terlebih dahulu dalam program

yang digunakan untuk mendapatkan nilai tfidf

v. Ketepatan untuk mengkategorikan email kemungkinan tidak mencapai 100%

1.8 Justifikasi dan Kepentingan

Kelebihan setelah melakukan kajian proses pengelasan email :-

i) Dapat mengelaskan email mengikut kategori yang ditetapkan.

ii) Projek ini dijalankan untuk mengkaji bagaimana Support Vector Machine

(SVM) berdasarkan perisian SVMlight boleh digunakan untuk menyelesaikan

masalah pengelasan email.

iii) Pengelasan dilakukan ke atas kandungan email di dalam bahasa melayu dan

bahasa inggeris

Page 39: PENGELASAN EMAIL MENGIKUT KATEGORI …eprints.utm.my/id/eprint/3297/1/MariahMohdDaudMFC2004.pdfefektif dalam proses pengelasan email. vi ABSTRACT ... SENARAI ISTILAH xvii SENARAI SIMBOL

8

1.9 Kesimpulan

Pada masa kini, ramai pengguna menggunakan email untuk berkomunikasi dan

menghantar mesej antara satu sama lain. Proses pengelasan email memudahkan

pengguna membaca maklumat email yang sampai ke dalam akaun email. Kajian yang

dilakukan ini akan membantu pembangun lain untuk membangunkan satu prototaip yang

dapat melakukan kerja pengelasan email mengikut kategori yang ditetapkan. Adalah

diharapkan kajian pengelasan email ini dapat dijadikan permulaan kepada penghasilan

pakej yang lebih mantap dan meluas.